10.13428/j.cnki.fjlk.2015.04.012
基于LBP-DEELM的木材纹理分类算法
为解决传统木材纹理分类的准确率低且难度大的问题,提出了一种基于LBP-DEELM(局部二值-差分演化优化极限学习机)模型的木材纹理分类算法.在阐述局部二值算子(LBP)和差分演化优化极限学习机(DEELM)算法的基础上,使用均匀旋转不变的LBP模式提取纹理的特征值,结合差分演化算法进行极限学习机优化,通过训练得到每类纹理所对应的分类器模型参数,构造分类器,实现了对木材纹理准确高效的分类.实验结果表明,相比于BP神经网络,SVM支持向量机等分类算法,该模型的实验误差率为2%左右,准确率高,实用性强.
木材纹理分类、LBP算子、差分演化优化极限学习机、分类器
42
S781.1;TP391.41(森林采运与利用)
国家948项目2011-4-04;中央高校基本科研业务费专项资金项目DL12CB02;黑龙江省教育厅科学技术研究项目12513016;黑龙江省博士后基金
2016-03-21(万方平台首次上网日期,不代表论文的发表时间)
57-63